报告题目：基于天洑智能数据建模的仿真优化工程实践

个人简介：

  马腾飞，南京天洑软件有限公司产品总监，南京航空航天大学和中国石油大学（北京）校外导师。长期从事工程仿真、机器学习与工业人工智能相关技术研究及产业化工作，具有较为系统的航空航天与工程技术背景。持续关注计算流体力学、有限元分析、多物理场仿真、数值计算等工程仿真技术，并围绕机器学习与物理模型融合、工业小数据建模、时序数据分析、设备故障诊断与预测、智能优化等方向开展研究与实践。近年来重点参与工业AI、物理AI及工业世界模型相关技术体系建设，探索大模型、机器学习模型、机理模型与工程仿真软件的协同应用，以及智能体技术在工业研发、设计、运维和决策优化中的落地。

报告摘要：

  随着人工智能与工程仿真技术不断融合，传统以数值计算为核心的研发模式，正在向“机理模型+数据模型”协同的模式演进。报告人将结合天洑软件近年在工程仿真、机器学习与工业人工智能领域的实践，介绍数据建模技术如何与流体、结构等工程仿真方法深度结合，并进一步服务于设计优化、状态监测和智能运维。报告首先介绍面向流体与结构仿真的代理模型技术，通过高保真仿真样本训练数据模型，在保持工程精度的同时显著降低重复计算成本，并结合优化算法实现复杂设计空间中的快速寻优。随后重点介绍基于工程仿真的三维数字孪生应用，将设备机理模型、仿真结果、运行数据与机器学习模型进行融合，实现设备状态的三维可视化、故障识别、异常诊断与智能预警。通过典型工业场景，展示工程仿真从“离线计算工具”向实时预测、辅助决策和智能优化能力延伸的技术路径，并探讨物理模型与数据模型融合在工业智能化中的进一步发展方向。